Optimización Multi-objetivo Basada en Preferencias para la Planificación de Proyectos Software
-
Upload
jfrchicanog -
Category
Software
-
view
40 -
download
0
Transcript of Optimización Multi-objetivo Basada en Preferencias para la Planificación de Proyectos Software
IntroducciónPropuesta
Estudio experimentalConclusión
Optimización Multi-objetivo Basada en Preferenciaspara la Planificación de Proyectos Software
Rubén Saborido1 Francisco Chicano2
1École Polytechnique de Montréal
2Universidad de Málaga
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Esquema de la presentación
1 IntroducciónProblema de optimización multiobjetivoOptimización multiobjetivo: metodologíasEnfoque basado en punto de referenciaPlanificación de proyectos software
2 PropuestaPreferencias en el problema SPSUn enfoque interactivo en el problema SPSInteractive SPS
3 Estudio experimentalEMO vs Preference-based EMOConfiguración del experimentoResultados
4 Conclusión
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Problema de optimización multiobjetivoOptimización multiobjetivo: metodologíasEnfoque basado en punto de referenciaPlanificación de proyectos software
Definición problema de optimización multiobjetivo
minimizar {f1(x), f2(x), . . . , fk(x)}sujeto a x ∈ S
(1)
Z=f (S)
ZS
f2
f1
f(S)
Espacio de decisión <-> Espacio de objetivos
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Problema de optimización multiobjetivoOptimización multiobjetivo: metodologíasEnfoque basado en punto de referenciaPlanificación de proyectos software
Definición problema de optimización multiobjetivo
¿Cuáles son las mejores soluciones en Z?
Z=f (S)
ZS
f2
f1
f(S)
Espacio de decisión <-> Espacio de objetivos
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Problema de optimización multiobjetivoOptimización multiobjetivo: metodologíasEnfoque basado en punto de referenciaPlanificación de proyectos software
Relación de dominancia de Pareto
Dado x, x′ ∈ S, se dice que x Pareto domina a x′ sifi(x) ≤ fi(x
′) ∀i = 1, . . . , k y ∃j ∈ {1, . . . , k} : fj(x) < fj(x′)
Z=f (S)
Z = f(S)
A
B
C
f2
f1
A y B son Pareto equivalentes, pero C es dominada por A y B.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Problema de optimización multiobjetivoOptimización multiobjetivo: metodologíasEnfoque basado en punto de referenciaPlanificación de proyectos software
Relación de dominancia de Pareto
x ∈ S es eficiente o Pareto óptima si @x′ ∈ S tal que x′ ≺ x
Z=f (S)
Z = f(S)f2
f1
Conjunto de soluciones Pareto óptimas → frente óptimo de Pareto
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Problema de optimización multiobjetivoOptimización multiobjetivo: metodologíasEnfoque basado en punto de referenciaPlanificación de proyectos software
Resolución de un problema de optimización multiobjetivo
Diferentes puntos de vista:
X Evolutionary Multiobjective Optimization (EMO): generar unconjunto bien distribuido de soluciones no dominadas queaproximen el frente óptimo de Pareto.
X Multiple Criteria Decision Making (MCDM): encontrarsoluciones pareto óptimas considerando las preferencias deldecisor.
X Preference-based EMO: aproximar una región del frenteóptimo de Pareto considerando las preferencias del decisor.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Problema de optimización multiobjetivoOptimización multiobjetivo: metodologíasEnfoque basado en punto de referenciaPlanificación de proyectos software
Preferencias mediante punto de referencia
Punto de referencia alcanzable Punto de referencia inalcanzable
Región de interés determinada por un punto de referencia q.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Problema de optimización multiobjetivoOptimización multiobjetivo: metodologíasEnfoque basado en punto de referenciaPlanificación de proyectos software
Preferencias mediante punto de referencia
Punto de referencia alcanzable Punto de referencia inalcanzable
Región de interés determinada por un punto de referencia q.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Problema de optimización multiobjetivoOptimización multiobjetivo: metodologíasEnfoque basado en punto de referenciaPlanificación de proyectos software
El problema SPS
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Problema de optimización multiobjetivoOptimización multiobjetivo: metodologíasEnfoque basado en punto de referenciaPlanificación de proyectos software
El problema SPS: una posible solución
La evaluación de una solución se basa en una simulación del proyectoObjetivos:
Duración: tiempo requerido para completar todas las tareasCoste: salario de los empleados multiplicado por su dedicacióny horas trabajadas
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Problema de optimización multiobjetivoOptimización multiobjetivo: metodologíasEnfoque basado en punto de referenciaPlanificación de proyectos software
El problema SPS: una posible solución
Posible asignación (ineficiente) de empleados a tareas.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Preferencias en el problema SPSUn enfoque interactivo en el problema SPSInteractive SPS
Aproximación sin preferencias
Un algoritmo multi-objetivo que no considere preferencias permiteaproximar el frente óptimo de Pareto
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Preferencias en el problema SPSUn enfoque interactivo en el problema SPSInteractive SPS
Región de interés en el problema SPS
¿Y si el director de proyectos tiene ciertas preferencias?
No es necesario aproximar el frente óptimo de Pareto.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Preferencias en el problema SPSUn enfoque interactivo en el problema SPSInteractive SPS
Un enfoque interactivo en el problema SPS
Inicialmente se aproxima el frente óptimo de Pareto.En la interacción con el decisor (DM), éste determina q.
Con el enfoque interactivo, el DM adquiere conocimiento sobre el problema.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Preferencias en el problema SPSUn enfoque interactivo en el problema SPSInteractive SPS
iSPS: un software de resolución interactivo
Ayudar al director de proyectos en la toma de decisiones.Resolver el problema SPS.Enfoque interactivo basado en punto de referencia.Mediante algoritmos evolutivos basados en preferenciasdiseñados para aproximar la región de interés:
1 WASF-GA.2 g-NSGA-II.3 P-MOGA.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Preferencias en el problema SPSUn enfoque interactivo en el problema SPSInteractive SPS
Arquitectura software de iSPS
Desarrollado en JAVA.Hace uso de GNUPlot y extiende jMetal.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Preferencias en el problema SPSUn enfoque interactivo en el problema SPSInteractive SPS
Arquitectura software de iSPS
Basado en el patrón MVC.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Preferencias en el problema SPSUn enfoque interactivo en el problema SPSInteractive SPS
Interfaz gráfica de usuario de iSPS
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Preferencias en el problema SPSUn enfoque interactivo en el problema SPSInteractive SPS
Ejemplo práctico de uso de iSPS
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Preferencias en el problema SPSUn enfoque interactivo en el problema SPSInteractive SPS
Ejemplo práctico de uso de iSPS
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Preferencias en el problema SPSUn enfoque interactivo en el problema SPSInteractive SPS
Ejemplo práctico de uso de iSPS
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Preferencias en el problema SPSUn enfoque interactivo en el problema SPSInteractive SPS
Ejemplo práctico de uso de iSPS
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
EMO vs Preference-based EMOConfiguración del experimentoResultados
Calidad de la aproximación de la región de interés
¿Aproximar la región de interés o todo el frente óptimo de Pareto?
Algunos experimentosNSGA-II, WASF-GA, G-NSGA-II y P-MOGA.Instancia del problema SPS con 8 empleados y 64 tareas.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
EMO vs Preference-based EMOConfiguración del experimentoResultados
Algoritmos, operadores y parámetros empleados
Dos puntos de referencia aleatorios.Tamaño de la población = 100.Número de generaciones = 10.000 (1.000.000 evaluaciones).Recombinación: operador TwoPointsCrossover, con Pc = 0,9.Mutación: operador RandomMutation, con Pm = 1/n.Criterio de parada: Número de generaciones.Número de ejecuciones: 30.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
EMO vs Preference-based EMOConfiguración del experimentoResultados
Aproximación de cada algoritmo (30 ejec.): todos los frentes
Punto de referencia alcanzable Punto de referencia inalcanzable
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
EMO vs Preference-based EMOConfiguración del experimentoResultados
Aproximación de cada algoritmo (30 ejec.): 50%-EAS
Punto de referencia alcanzable Punto de referencia inalcanzable
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Buen rendimiento de los algoritmos basados en preferencias.
iSPS es un software multiplataforma que permite:X Resolver diferentes instancias del problema SPS.X Guiar y ayudar al DM en la toma de decisiones.X Aproximar la región de interés definida por q.
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015
IntroducciónPropuesta
Estudio experimentalConclusión
Rubén Saborido y Francisco Chicano MAEB 2015, Mérida, España, Febrero de 2015